-
公开(公告)号：CN107623720B
公开(公告)日：2021-02-05
申请号：CN201710713402.X
申请日：2017-08-18
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种基于合作缓存的数据选择性缓存方法，其包括以下步骤：步骤S1，当前用户接收到邻近用户对各数据的请求，或从邻近用户或基站接收到各数据时，记录并更新各数据的请求次数；步骤S2，当前用户根据各数据的请求次数预测各数据未来被请求的概率，以获得各数据的预测概率；步骤S3，当前用户在缓存各数据前，询问并收集邻近用户的内存缓存情况，并结合各数据的大小以及各数据的预测概率，定义各数据的价值；以及步骤S4，若当前用户的内存未满，则缓存接收到的数据，否则，根据各数据的大小以及各数据的价值，利用贪心算法确定是否缓存接收到的数据以替换内存中的原有数据。本发明高效利用了终端有限内存容量，实现了最大化蜂窝流量卸载。
-
公开(公告)号：CN111479306A
公开(公告)日：2020-07-31
申请号：CN202010255387.0
申请日：2020-04-02
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明提出一种基于Q-learning的飞行自组网QoS路由方法，包括：以Q-learning强化学习框架为基础，将邻居节点度、链路持续时间和链路可用带宽三个因素作为路由度量信息，定义一种提供QoS保证的Q-learning奖励函数；各个网络节点作为发送节点将各自本地的路由度量信息发送给其邻居节点，邻居节点作为接收节点根据所述路由度量信息和Q-learning奖励函数计算并更新Q值，以维护Q值表，所述发送节点在存在待转发的数据分组时，根据其维护的Q值表智能选择下一跳转发节点。本发明在吞吐量和平均端到端时延上具有较好的性能，能为高动态飞行自组网中数据传输提供稳定性好、服务质量高的通信链路。
-
公开(公告)号：CN109673034A
公开(公告)日：2019-04-23
申请号：CN201811620191.6
申请日：2018-12-28
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种基于天牛须搜索的无线传感网络分簇路由方法，其包括：建立无线传感网络拓扑；根据传感器节点位置、传感器节点剩余能量和传感器节点ID选举出候选簇首节点；通过天牛须搜索算法对适应度函数进行迭代，寻找适应度函数值最小的候选簇首节点作为最佳簇首节点；选择的最佳簇首节点广播当选最佳簇首节点的信息，并等待其他普通节点的加入；根据传感器节点剩余能量和传输能耗选择最佳簇首节点至基站节点间的中继节点，最佳簇首节点通过中继节点将所融合后的数据发送至基站节点，通信结束。本发明充分考虑到了传感器节点的剩余能量信息和位置信息，通过天牛须搜索算法选择合适簇首节点，能有效均衡网络能量消耗，延长网络生命周期。
-
公开(公告)号：CN103402267A
公开(公告)日：2013-11-20
申请号：CN201310345308.5
申请日：2013-08-08
Applicant: 中国科学院上海微系统与信息技术研究所 , 国网电力科学研究院 , 中国电力科学研究院
IPC: H04W72/12
Abstract: 本发明提供一种上行资源调度系统和方法，应用于智能电网无线通信中，包括：将一缓冲区大小的值分割成M组非均匀量化组并生成一总表，其中，M是非均匀量化组的对应的量化值，M为正整数；对所述总表中的每一组非均匀量化组构造出对应的缓冲域状态报告表；一用户数据分组单元分别对所述对应的缓冲域状态报告表进行填充，其中，填充比特是总表中对应的量化值；一基站接收总表、带有填充位的缓冲域状态报告表和一索引值，并根据所述索引值和对应的带有填充位的缓冲域状态报告表来分配资源。本发明在不需要额外的开销的前提下，提高了用户和无线资源调度的效率，有效地改善了系统资源的利用率。
-
公开(公告)号：CN118212655A
公开(公告)日：2024-06-18
申请号：CN202410309901.2
申请日：2024-03-19
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G06V40/10 , G06V10/80 , G06V10/82 , G06V20/40 , G06V10/40 , G06V10/62 , G06F18/213 , G06F16/732 , G06N3/0895 , G06N3/045 , H04W4/80
Abstract: 本发明涉及一种基于双流网络的多模态行人重新识别和检索方法，包括：获取目标行人的视频序列和经目标行人散射和反射的WiFi信号；将视频序列和WiFi信号输入至行人重识别模型中，完成目标行人的重识别任务；其中，行人重识别模型包括：视频特征提取模块、WiFi特征提取模块和特征融合模块；所述行人重识别模型的损失函数包括交叉熵损失、三元组损失、视觉‑WiFi对比损失、视觉‑WiFi距离损失，其中，交叉熵损失和三元组损失用于完成多模态行人重识别任务，视觉‑WiFi对比损失和视觉‑WiFi距离损失用于完成WiFi信号和视频对应检索任务。本发明能够在各种背景下识别出同一行人目标。
-
Patent Agency Ranking
公开(公告)号：CN118172592A
公开(公告)日：2024-06-11
申请号：CN202410230940.3
申请日：2024-02-29
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种CSI伪数据生成方法，包括以下步骤：将噪声数据输入CSI数据生成模型获得CSI伪数据，所述CSI数据生成模型包括：编码器，用来提取输入图像的特征图；扩散模型，用来根据所述特征图生成伪特征图；解码器，用来将所述伪特征图复原为CSI伪数据。本发明能够生成可信的多分类CSI伪数据，且通过将编解码器嵌入扩散模型实现了CSI数据生成模型的轻量化，能够节约大量算力。
-
公开(公告)号：CN116600365A
公开(公告)日：2023-08-15
申请号：CN202310417820.X
申请日：2023-04-18
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明提供一种无线传感器网络分簇路由方法及装置、存储介质和终端，其中方法包括：获取待分簇无线传感器网络；基于生物地理学优化算法从待分簇无线传感器网络中筛选出初始簇首节点集合，将初始簇首节点集合中簇首作为初始聚类中心，基于预设聚类算法从待分簇无线传感器网络中筛选出最优簇首节点集合；基于最优簇首节点集合中的簇首节点，对待分簇无线传感器网络中的非簇首节点进行分簇，获取多个簇；基于遗传算法获取最优簇首节点集合中所有簇首节点到基站的最优传输路径，最优簇首节点集合中所有簇首节点均基于最优传输路径将节点数据传输至基站。本发明方法降低传感器节点的能量消耗，有效延长了传感器网络的生存周期。
-
公开(公告)号：CN111479306B
公开(公告)日：2023-08-04
申请号：CN202010255387.0
申请日：2020-04-02
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明提出一种基于Q‑learning的飞行自组网QoS路由方法，包括：以Q‑learning强化学习框架为基础，将邻居节点度、链路持续时间和链路可用带宽三个因素作为路由度量信息，定义一种提供QoS保证的Q‑learning奖励函数；各个网络节点作为发送节点将各自本地的路由度量信息发送给其邻居节点，邻居节点作为接收节点根据所述路由度量信息和Q‑learning奖励函数计算并更新Q值，以维护Q值表，所述发送节点在存在待转发的数据分组时，根据其维护的Q值表智能选择下一跳转发节点。本发明在吞吐量和平均端到端时延上具有较好的性能，能为高动态飞行自组网中数据传输提供稳定性好、服务质量高的通信链路。
-
公开(公告)号：CN111510232B
公开(公告)日：2022-02-18
申请号：CN202010276787.X
申请日：2020-04-10
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: H04B17/382 , H04L67/12
Abstract: 本发明提供一种基于神经网络的车联网组合频谱感知方法，包括：获取其协方差矩阵，通过接收信号的能量值和协方差矩阵的特征值来提取特征参数；划分训练集、验证集和测试集；以所述特征参数作为输入参数，以主用户的存在情况作为输出参数，建立神经网络；采用训练集和验证集来对神经网络训练和验证，得到频谱感知神经网络，随后采用测试集来对频谱感知神经网络进行调节；接收新的接收信号，进行频谱感知，得到频谱感知结果。本发明还提供一种车联网。本发明的车联网组合频谱感知方法综合考虑信号能量值和协方差矩阵的特点，利用神经网络较强的多分类能力，从而在车联网环境下提高频谱感知成功率，有效提高车联网环境下频谱感知性能。
-
公开(公告)号：CN111510232A
公开(公告)日：2020-08-07
申请号：CN202010276787.X
申请日：2020-04-10
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: H04B17/382 , H04L29/08
Abstract: 本发明提供一种基于神经网络的车联网组合频谱感知方法，包括：获取其协方差矩阵，通过接收信号的能量值和协方差矩阵的特征值来提取特征参数；划分训练集、验证集和测试集；以所述特征参数作为输入参数，以主用户的存在情况作为输出参数，建立神经网络；采用训练集和验证集来对神经网络训练和验证，得到频谱感知神经网络，随后采用测试集来对频谱感知神经网络进行调节；接收新的接收信号，进行频谱感知，得到频谱感知结果。本发明还提供一种车联网。本发明的车联网组合频谱感知方法综合考虑信号能量值和协方差矩阵的特点，利用神经网络较强的多分类能力，从而在车联网环境下提高频谱感知成功率，有效提高车联网环境下频谱感知性能。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.087 seconds)
